REGNet：用于点云中端到端抓取检测的区域式抓取网络
机器人学
2021-03-26 v3
摘要
在非结构化环境中实现可靠的机器人抓取是一项关键但具有挑战性的任务。主要问题是从部分含噪观测中生成新颖物体最优抓取位姿。本文提出一种以单视角点云为输入的端到端抓取检测网络来解决该问题。我们的网络包含三个阶段：评分网络（SN）、抓取区域网络（GRN）和精炼网络（RN）。具体而言，SN回归点的抓取置信度并筛选高置信度的正样本点。随后GRN在所选正样本点上进行抓取候选预测。RN通过精炼GRN预测的候选来生成更精确的抓取。为进一步提升性能，我们提出一种抓取锚机制，引入具有预设夹爪朝向的抓取锚以生成抓取候选。实验表明，REGNet在真实杂乱场景中成功率达79.34%、完成率达96%，显著优于包括GPD、PointNetGPD和S4G在内的多种最先进基于点云的方法。代码见 https://github.com/zhaobinglei/REGNet_for_3D_Grasping。
引用
@article{arxiv.2002.12647,
title = {REGNet: REgion-based Grasp Network for End-to-end Grasp Detection in Point Clouds},
author = {Binglei Zhao and Hanbo Zhang and Xuguang Lan and Haoyu Wang and Zhiqiang Tian and Nanning Zheng},
journal= {arXiv preprint arXiv:2002.12647},
year = {2021}
}
备注
Accepted to ICRA 2021